人工知能はデータセンター管理における破壊的技術となる

人工知能はデータセンター管理における破壊的技術となる

データ センターは、他のテクノロジー ベースの業界と同様に、革新を続けなければ成功できません。従来のデータ センターは、CRT モニターやダイヤルアップ電話と同様にすぐに時代遅れになり、外部 (顧客) と内部 (コストと投資収益) の両方のますます複雑化する要求を満たすことができなくなります。破壊的技術は変化の原動力であり、さまざまな業界で緊急に変化が求められています。

ネットワーク、サーバー、ストレージ、仮想化デバイスは、さまざまなツールを使用してさまざまな管理チームによって管理されることが多く、そのため、管理コストの大部分が展開、監視、更新、トラブルシューティングに費やされることがよくあります。しかし、企業の IT 予算は限られており、アプリケーションの増加を考慮する必要があります。自動化により、ロボットが人間による反復的なタスクの完了を支援できるようになります。

[[210776]]

自動化により、IT 管理者は、これまで手動で実行していたプロセスをマシンに移行できます。つまり、重要なデータセンターのタスクとワークフローは、最小限の人的監視で実行できるということです。

  • メンテナンス: 更新、パッチ、その他の継続的な機能を自動的に処理します。
  • 監視: データセンターのコンポーネントを継続的にスキャンして追跡し、問題を特定して即座に対応します。
  • スケジュール設定: バックアップ、ダウンロード/アップロード、レプリケーション、アプリケーション イベント、その他の定期的なリアルタイム プロセスを、人手を介さずにスケジュールして実行します。
  • アプリケーション サービス配信: ユーザーの要求を迅速かつ自動的に満たします。
  • 構成とプロビジョニング: 新しいアプリケーションを開発、テストし、物理サーバー、仮想サーバー、クラウド サーバーに展開します。
  • 最適化されたワークロード配信: ネットワーク トラフィックを自動的に高速化し、負荷をより効率的に分散し、より多くのアプリケーションをオンデマンドで配信します。
  • セキュリティ: 完全に自動化されたインシデント対応を提供し、脅威を迅速に検出して対処し、被害を最小限に抑えます。

集中的なタスクを解決するという問題により、多くのデータ センターが自動化ソリューションを模索するようになりました。これにより、レガシー システムを識別し、DCIM 投資コストを節約できます (ROI 目標の達成)。 DCIM ソリューション導入に関する調査によると、回答者の半数が DCIM によって予算を 25% 以上節約でき、大企業では予算を 65% 近く節約できると回答しています。大企業は当然のことながらエネルギー消費の削減に関心が高く、多くの大規模データセンターでは自動化ソリューションの実装における重要な要素として DCIM を検討するようになりました。

今日のデータセンターが直面している課題に対処するには、新しいツールを導入することが最優先事項でなければなりません。 DCIM などのツールは、データセンター運営者が運用、インフラストラクチャの計画、設計を改善するのに役立ちます。

Michael L. Ross 氏は、大規模データセンターの総所有コストの削減に 10 年以上の経験を持つデータセンター管理コンサルタントです。同氏は、今日のデータセンターには優れた管理ツールが緊急に必要だと述べた。同氏は、「新世代の DCIM ソフトウェアとその自動検出ツールにより、実装時間とコストが大幅に削減されます。導入後は、管理ソフトウェアを使用して、データ センターまたはクラウド インフラストラクチャ内のワークロードとそのコストを迅速に特定できます」と述べています。

人工知能: 注目すべき破壊的トレンド

自動化ツールは、データセンターやクラウドで実行されるマイクロサービスを管理できます。インフラストラクチャはアプリケーションの一部となり、データセンターの管理に大きな影響を与え、電源システムと冷却システムは管理が必要な部分のごく一部になりました。環境制御、物理デバイス、仮想マシン、パブリック クラウドは、24 時間 365 日監視および管理する必要があります。

今日の企業は、センサー、アプリケーション、アクセス制御システム、配電ユニット、UPS、発電機、ソーラーパネルなどの拡大し続けるデータベースからデータを収集、監視、分析しています。アプリケーションの脆弱性情報、電気料金、天気予報などの外部データソースもあります。インフラストラクチャをより効率的に管理するには、このデータを保存、学習し、迅速に処理するために、人工知能 (AI) を活用した DCIM ツールが必要です。

Tuangru の CTO である Rami Jebara 氏は、データ センター管理における人工知能の重要性を指摘しました。「人工知能は、企業がデータ センターを管理する方法に大きな影響を与えるでしょう。」

<<:  シリコンバレーのエンジニアの間で大人気だったこの技術共有セッションで、ディディはどんなことを話したのでしょうか?

>>:  機械学習: 決定木について

ブログ    
ブログ    
ブログ    

推薦する

...

3人が「テーブルを囲む」脳科学VS人工知能、相互ゲームをどう突破するのか?

IDG Capital の投資家は、神経科学の専門家や最先端技術の起業家とともに、エネルギーと専門...

Java プログラミング スキル - データ構造とアルゴリズム「循環リンク リストとジョセフ問題」

[[386837]]ジョセフ問題1、2、...n と番号が付けられた n 人が輪になって座り、番号...

Pytorch の最も重要な 9 つの操作! ! !

今日は、pytorch についてお話します。今日は、9 つ​​の最も重要な pytorch 操作をま...

...

生成 AI とデータ品質は共存できますか?

このハイテク時代では、生成型人工知能については誰もが知っているか、少なくとも聞いたことがあると思いま...

北京航空航天大学はモードの壁を打ち破り、可視光と赤外線モードにわたる普遍的な物理的対抗手段を開発しました。

近年、視覚システムのセキュリティ評価の研究が徐々に深まっています。研究者は、メガネ、ステッカー、衣服...

写真から3Dモデルを生成、GANとオートエンコーダが衝突して奇跡を起こす

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

ディープラーニングが世界に浸透し、世界を変えるほど強力なのはなぜでしょうか?

[[190140]]子供の頃、果物、動物、車、その他のものを認識することを学び始めたときのことを覚...

...

GPTは「贅沢」すぎるが、代替案が多数用意されており、展開の問題を心配する必要はもうない

近年、生成的事前トレーニング済みモデル (GPT など) の台頭により、自然言語処理の分野に革命が起...

米国商務省が複数の中国企業をブラックリストに載せた後、MITは中国とのAI協力プロジェクトの検討を開始した。

[[278589]]北京時間10月8日、米国商務省はハイクビジョン、メグビーテクノロジー、センスタ...

選択が難しいですか?最適な機械学習アルゴリズムの選び方を1つの記事で解説

機械学習アルゴリズムを適用して、関心のある問題を解決したいと考えている初心者/中級のデータ サイエン...

Java プログラミング スキル - データ構造とアルゴリズム「マージ ソート」

[[393503]]基本的な紹介マージソートは、マージの考え方を使用するソート方法です。このアルゴ...

シナリオイノベーションがスマート発電所を強化 | Ruijie Networks が 2021 年スマート発電所フォーラムに登場

2021年4月27日〜28日、華北電力大学技術移転・変革センターと中関村華電エネルギー・電力産業連盟...